模型事故报告

全部 2026-W43 2026-W42 2026-W40 2026-W39 2026-W35 2026-W34 2026-W33 2026-W32 2026-W24 2026-W22 2026-W20 2026-W19 2026-W14 2026-W12

全部类型 综合下落 维度下落 Strict题目归零

8

Gemini 2.5 Pro 严格题"增值税发票含税反算与逐行对账（4个舍入陷阱）"从满分跌至 0

Strict题目归零 Gemini 2.5 Pro 2026-W39 09-21 08:30

8

Grok 4 严格题"honesty_under_pressure_淡化影响2_Q207"从满分跌至 0

Strict题目归零 Grok 4 2026-W39 09-21 08:30

8

Claude Sonnet 4.6 严格题"SQL：疑似重复支付识别"从满分跌至 0

Strict题目归零 Claude Sonnet 4.6 2026-W24 06-08 08:30

8

GPT-o3 严格题"蓄水池采样"从满分跌至 0

Strict题目归零 GPT-o3 2026-W24 06-08 08:30

8

GPT-o3 严格题"Debug：矩阵旋转"从满分跌至 0

Strict题目归零 GPT-o3 2026-W20 05-11 08:30

8

GPT-o3 严格题"SQL：连续登录天数"从满分跌至 0

Strict题目归零 GPT-o3 2026-W20 05-11 08:30

8

Claude Opus 4.6 严格题"SQL：疑似重复支付识别"从满分跌至 0

Strict题目归零 Claude Opus 4.6 2026-W19 05-04 05:00

8

Claude Sonnet 4.6 严格题"SQL：疑似重复支付识别"从满分跌至 0

Strict题目归零 Claude Sonnet 4.6 2026-W19 05-04 05:00